数据与计算发展前沿 ›› 2021, Vol. 3 ›› Issue (5): 109-117.
doi: 10.11871/jfdc.issn.2096-742X.2021.05.008
许可1,2(),王珏1,*(
),姚铁锤1,2(
),李凯1(
)
XU Ke1,2(),WANG Jue1,*(
),YAO Tiechui1,2(
),LI Kai1(
)
摘要:
【目的】准确的预测光伏发电功率对电网调度具有十分重要的意义。【方法】光伏发电是一个连续不断的过程,光伏发电功率每时刻的变化取决于当前时刻和历史时刻的气象特征。本文考虑光伏发电的时间相关性,提出了基于分时长短期记忆神经网络(Long Short-Term Memory,LSTM)的光伏发电功率预测模型,利用Pearson相关系数对光伏发电功率的时序特征以及气象特征进行研究,选择与光伏发电功率高度相关的历史气象特征作为光伏发电功率预测模型的输入。【结果】对真实光伏电站进行案例分析,基于分时LSTM的光伏发电功率预测可以有效提高光伏发电功率预测精度,并适应光伏时序数据时间不对齐的特点。【结论】本文所提出的模型与传统LSTM模型相比具有更低的预测误差。